[[【极客时间】李佳芮：ChatGPT 从0到1.pdf]]

chatgpt能做什么 ¶

• 一问一答式的内容生成。
  • 虽然它可能一本正经地胡说八道，但大部分时候的回答很有参考价值。
• 完美理解我们的文字和问题
  • 只有我们想不到，没有它答不出来的。
• 持续对话，上下文理解和处理
  • 一直问，往广度，深度问都可以

G P T分别指什么 ¶

Generative 生成式 ¶

自发生成内容

Pre-training 预训练 ¶

大规模的语料库上进行[[无监督学习]]。
就像人经过技能培训后，就可以解决问题一样。

• 监督学习
  • 有标签数据
  • 直接反馈
  • 预测结果
• 无监督学习
  • 无标签
  • 无反馈
  • 寻找数据中隐藏的结构
• 强化学习
  • 决策过程
  • 奖励机制
  • 学习一系列的行动

Transformer 变换模型 ¶

基于自注意力机制的神经网络结构。
[[注意力机制]]

技术原理 ¶

通过预训练，它在生成回答的时候，就具备了预测下一个词的概率分布。所以我们使用的时候能看到，它的回答是一个字一个字蹦出来的。

chatgpt的技术原理，本质是猜概率 ¶

两种文字模型区别：

• BERT
  • 双向语言模型
  • 猜中间的字，像完形填空
• GPT
  • 单向语言模型
  • 猜下一个字，像写作文

两种提示方式：

• fine-tuning
  • 调参。针对已经预训练好的模型，可以进行微调。
• prompt
  • 提示词。在问题中，加入特定的关键词、短语或句子，限定主题、语调
  • 对用户而言，我们使用的是zero shot prompt。比如跟gpt说，给我写一首诗，我们无需向他解释什么是诗，它已经知道。
  • gpt模型侧用的是few shot prompt。
  • 另一个角度考虑，embedding接口，其实是zero shot，因为我们给他一个文本，就返回描述的向量数据了。而competing接口，其实可以用few shot，比如先举几个例子，然后让它给我们回答一个新的问题的答案。。

一个关键概念

• [[RLHF]]

chatgpt的前世今生 ¶

• 分析型ai
  • 比如抖音的推荐算法
• 生成式 ai，也就是 AIGC
  • AIGC的构词，模仿[[UGC、PGC和OGC的区别]]
  • 生成类型
    • 文本
    • 代码
    • 图片
    • 语音
    • 视频和3d模型
• 以前的chatbot
  • 划分专门的领域，比如sir，小爱同学
  • 意图和词槽slot
• 现在的chatgpt
  • 大语言模型+prompt，就能得到结果
  • 通用型，全能选手
    ![[Pasted image 20230329192147.png]]

OpenAI ¶

非常创新的股权架构：从非盈利性组织，转型成『利润上限』公司。
非常好地权衡了理想和现实。

自然语言编程 - prompt engineer ¶

学会如何提问，清晰表达自己的想法。必要的时候，给example。